基于BP神经网络的DDoS攻击检测研究
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP393.08

基金项目:

四川省应用基础研究计划(2013JY0018)


Research on DDoS detection based on BP neural network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    分布式拒绝服务攻击(DDoS)是如今常见的网络威胁之一,DDoS攻击易被发动却很难追踪与防范。在神经网络快速算法基础上,首先系统分析国内外DDoS攻击检测理论、方法与大量数据集,构建了基于数据包长度,数据包发送时间间隔以及数据包长度变化率等七项特征的攻击流量特征模型,其次通过大量尝试提出对神经网络误差调整参数进行优化的方法,最后基于加州大学洛杉矶分校数据集(UCLA CSD Packet Traces)进行了参数改进前后的攻击检测对比实验。实验表明,提出的方法能有效提高DDoS攻击检测率,且具有较好的泛化能力。

    Abstract:

    Distributed denial of service attack (DDoS) is a common threat in today’s networks. While such an attack is not difficult to launch, defending a network resource against it is disproportionately difficult. This paper analysis some famous theories and methods on detection of DDoS network attacks systematically based on the fast neural network algorithm. Meanwhile, the attack traffic feature model which is constructed based on the packet length, packet transmission time interval and packet length change rate etc is proposed. Second, a method to optimize the parameters of the neural network error is also proposed by a large number of attempts. Finally, the UCLA dataset is used to carry out the contrast experiment of the parameters before and after the improvement. Experiments show that the proposed method can effectively detect DDoS attacks and has a better generalization ability.

    参考文献
    相似文献
    引证文献
引用本文

引用本文格式: 杨可心,桑永胜. 基于BP神经网络的DDoS攻击检测研究[J]. 四川大学学报: 自然科学版, 2017, 54: 71.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2016-04-11
  • 最后修改日期:2016-05-16
  • 录用日期:2016-05-17
  • 在线发布日期: 2016-12-28
  • 出版日期: